近日，湖北省肿瘤医院刘玉林教授、欧武陵教授团队在国际顶级期刊《Science Advances》发表重要研究成果。研究基于临床常规增强CT影像，搭建了一套可解释人工智能预测模型，实现肺癌抗血管生成治疗疗效的早期、无创评估，为肺癌患者个体化治疗提供了全新的影像学途径。

    研究成果发表的网页。

    抗血管生成治疗是晚期肺癌综合治疗中十分关键的一环，然而，在真实临床场景中，不同患者的治疗效果差异巨大，仅有40%—70%的患者可以从中获益，部分患者不仅没有治疗收益，还要承受药物带来的毒副作用。同时，传统用来预测抗血管治疗效果的AI模型如同“黑箱子”，使用的是缺乏明确临床意义的影像特征，不便于医生理解其判断依据从而及时调整治疗方案。临床上一直缺少便捷可靠的早期评估手段，帮助医生提前筛选潜在获益人群。

    为破解这一临床痛点，医院多学科交叉团队开展联合攻关，以医院163例晚期肺癌患者数据为基础，研发出一套端到端全自动AI分析工作流：依托医院日常的增强CT检查；深度学习自动分割肿瘤、瘤周三维血管网络，提取治疗前后动态血管形态特征，捕捉抗血管药物带来的血管重塑变化；引入SHAP可解释AI算法，每一次预测都可溯源、可视化，把AI计算结果对应到CT解剖影像，解决传统影像组学解释性差的痛点。

    为验证模型的可靠性，研究团队还引入武汉协和医院82例病例作为外部验证。研究结果显示，模型的预测准确率显著优于传统预测模型（deltamerge模型内部验证AUC可达0.842，外部验证AUC达到0.806）。

    基于SHAP的血管特征贡献及治疗前后瘤内瘤周血管三维改变。

    刘玉林教授表示，该技术评估节点匹配临床常规随访节奏，全自动流程可直接嵌入现有工作体系，临床转化前景广阔。本次成果登上中国科学院1区TOP期刊《Science Advances》，彰显了医院在肺癌诊疗领域的创新实力，也体现了医院在AI精准医疗复合型人才培育方面的阶段性成效。